基于概率的三维无线传感器网络K-覆盖控制方法

针对无线传感器网络在三维空间监测中存在的固有的不确定性与系统应具有较强的容错能力、鲁棒性之间的矛盾,提出了一种基于概率的三维无线传感器网络K-覆盖控制方法。对三维待监测区域以网格建模,用迭代的贪婪启发式方法确定传感器节点在网格中的位置,每一步迭代完成一个节点的放置,直到节点总数达到预设的上界或每个网格点以概率T达到K-覆盖为止。仿真结果表明,相对于传统的随机和均匀配置方法,本方法能使用较少的节点满足相同的覆盖度和监测精度的要求,或使用相同的节点达到更高的覆盖度。并对整个待监测区域中有优先覆盖要求(覆盖度优先和监测精度优先)的局部区域的情况进行了分析。

基于静态和移动传感器的WSN的k-覆盖研究

针对无线传感器网络的k-覆盖问题进行了研究。首先定义一个表征网络覆盖效率的过度提供因子,并在此基础上对静态传感器网络和全移动传感器网络的k-覆盖问题进行分析,得到这两种情形下的过度提供因子以及全移动传感器网络中移动传感器的最大移动距离;进而提出一种由静态传感器和少量移动传感器构成的混合网络结构,并得到了这种网络结构下不依赖于网络大小的k-覆盖以及调度移动传感器移动的分布式移动调度算法,从而实现有效覆盖。仿真结果表明,提出的混合网络结构不仅能够实现精确的k-覆盖,而且相比于其他k-覆盖算法,有更高的覆盖率。

k-覆盖图的一个充分条件

论证了对整数ｎ（ｎ≥３）和ｋ（ｋ≥２），若ｋ为奇数，则令ｋ≥ｎ－１，Ｇ是一个不含Ｋ１，ｎ的２边连通图，ｋ｜Ｖ（Ｇ）｜≡ｏ（ｍｏｄ２），设Ｇ的顶点最小度α（Ｇ）至少为（ｎ２／４（ｎ－１））ｋ＋（３ｎ－６）／２＋（ｎ－１）／４ｋ，则Ｇ是ｋ覆盖图．并且说明了定理中条件“２边连通”不能减弱为“连通”．

关于k-覆盖图的一些新结果

本文给出了一个图G是k-覆盖图的若干充分条件．

三维无线移动传感器网络k-覆盖研究

考虑移动传感器的移动会大量消耗能量且比较昂贵,使用密度为O(k)的移动传感器来满足网络k-覆盖的密度需求,并给出了网络要达到k-覆盖传感器需移动的最大距离的一个界O((log L)1/3);建立了三维网络传感器移动数学模型,将传感器重新部署问题转化为最大网络流问题,用分布式重新部署算法仿真证明了其有效性。

基于立方体剖分的传感器网络快速三维k-覆盖判定算法

提出了一种传感器网络中基于立方体剖分的三维k-覆盖快速判定算(CP-RTCDA)和三维最大k-覆盖问题的快速求解算法(CP-RTMCDA)。算法首先把感兴趣区域剖分为立方体区域,从而将复杂的空间区域覆盖问题转化为简单的立方体区域覆盖问题。理论分析与仿真实验表明,针对具有n个节点的传感器网络,新算法的计算时间复杂度为O(n),远低于已有算法O(n^3logn)的计算时间复杂度。

r-正则图的顶点数、边连通度和k-覆盖图

设 n为偶数 ,r和 k奇数 ,n>r>k>0 ,λ≥ 2为整数 ,λ* =2 [λ/2 ] +1 ,r-λ*k>0 .G是有 n个点、边连通度为 λ的 r-正则图 .若 n<( r+2 ) ( k+1 ) ,则 G是 k-覆盖的 .

一种基于复杂环境的无线传感器网络k-覆盖算法

在复杂环境下,由于无法实现对传感器节点的精确部署,因此很难满足对目标区域的k-覆盖要求﹒文章采用随机部署节点的方式,提出了1种k-覆盖算法,通过设置节点的睡眠唤醒、中继选择及模式切换3种策略,动态调节目标区域中节点的工作状态,在满足k-覆盖条件下节省了能耗﹒实验结果表明,该算法延长了网络生存时间,并且部署的节点数与网络生存时间成正比﹒

无线传感器网络中基于“k-覆盖问题”的多项式时间算法

针对无线传感器网络的最差覆盖和最佳覆盖,探寻如何解决二维目标区域内的"k-覆盖问题",提出了一种解决此问题的多项式时间算法。该算法基于扩展圆盘的几何图形提出了一系列的定义和定理,将"k-覆盖问题"转化成了寻找相邻分界线的问题。仿真结果表明,算法可在多项式时间内计算出最优k-违反路径和最优k-支持路径,从而合理规避或选取网络覆盖点。

正则k-覆盖图

图G的k-正则生成子图称为G的一个k-因子,若图G的每条边都含于G的一个k-因子中,称图G足k-覆盖的。对任意给定的正整数γ、λ和k(λ≥2),基于文[1,2]的已知结论,本文给出了所有γ-正则λ-边连通图是k-覆盖图的充分必要条件。

糙度和k-覆盖图

一、引言 我们所考虑的图是指没有环和重边的有限无向图。在本文中未加说明的定义和记号请参见文献[2]。设G是一个具有顶点集V(G)和边集E(G)的图。对V(G)的一个子集S,用G[S]表示G的由S导出的子图且令G—S=G[V(G)\S]。若G[S]不含边,则称S为独立集。我们用d_G(x)表示G中顶点x的次数,用Γ_G(x)表示G中与顶点x邻接的顶点集合。对令.我们分别用△(G)和ω(G)表示G的顶点的最大次数和连通分支数。若对任意的且ω(G—S)>

高效无线传感器网络强k-栅栏覆盖节能算法

为了进一步降低监测穿越行为的无线传感器网络强k-栅栏覆盖的能耗,首先证明了强k-栅栏覆盖最小能耗问题是NP难的,进而提出了一个节点感知功率可调的启发式节能算法HARPN。该算法根据栅栏中相邻节点的间距和前向节点的状态制定了4种节点感知半径的计算规则,再根据节点感知半径的大小确定节点的感知功率等级,在保证传感栅栏贯通的前提下,尽可能降低栅栏整体的能耗。理论分析和仿真实验表明,在相同的栅栏波动条件下,HARPN算法的适应性和稳定性更强,网络平均能耗约为Heuristic-2算法的62%,网络的生存期进一步延长。

面向多敏感属性保护的p-覆盖k-匿名算法

隐私保护数据发布是近年来数据挖掘研究中的一个热点.匿名是隐私保护数据发布的一种常用技术.针对当前大部分匿名方法只考虑单敏感属性保护的不足,提出一个p-覆盖k-匿名模型,用于具有逻辑依赖关系的多敏感属性保护,并基于该模型设计出一个支持多敏感属性保护的匿名算法kpCover.仿真实验表明,基于p-覆盖k-匿名模型的算法kpCover能有效解决多敏感属性的删除泄露问题,同时保证发布数据具有较高的数据质量.算法是有效可行的.

k-边覆盖对策及其核心

本文针对从图的k-边覆盖问题引出的合作对策模型,利用线性规划对偶理论得到了其核心非空的一个充分条件和构造核心分配的多项式时间算法,并将这一结果推广到了一般的k-集合覆盖对策模型中.

单圈图的点覆盖k-路问题的有效算法

利用贪婪算法的思想,给出了一个求解树上点覆盖k-路问题的有效算法,并且进一步针对单圈图的点覆盖k-路问题,给出了一个能在多项式时间内完成的有效算法。

基于遗传算法和后代校正的WSN覆盖和连通性优化方案

针对无线传感器网络(WSN)区域覆盖中传感器部署的覆盖性和连通性问题,提出一种基于改进型遗传算法的WSN覆盖和连通性优化方案.首先,将传感器位置编码成染色体.然后,通过遗传算法的交叉和变异操作进化染色体,获得新的解.最后,融入后代校正操作,以避免遗传算法获得的不可行解,最终获得传感器布置的最优方案.实验结果表明,该方案在不同的覆盖范围和通信范围下,能够利用最小数量的传感器实现区域k-覆盖并保持连通性,有效降低了部署成本.

k-对等图的邻集和最小度

证明了如下结论 :设G是阶数为n的二边连通的简单图 ,k≥ 2 ,k·n是偶数 ,并且n>4k + 1- 4 k .假设对V(G)的所有非空独立子集X都有 ｜N(X) ｜≥(k- 1)n+｜X｜+ 12k - 1并且δ(G) >(k- 1) (n+ 2 ) + 12k - 1,则G是k 对等图 .

基于改进自适应遗传算法的移动WSN覆盖方法

针对传统的WSN覆盖模型的弊端,尤其是如果一个传感器失效,K-覆盖模型需要至少k个传感器节点监测其范围内是否有目标需要覆盖,提出了一种基于改进自适应遗传算法的移动WSN覆盖方法。在能量资源有限的前提下,尽可能长时间地对指定的目标进行连续监测。该算法考虑移动传感器是可以连续和变速运动的,从而能够保证所有目标都在它们的覆盖范围内。仿真结果表明,在使用移动节点的情况下,与其他常用模型相比,改进方法的生存周期和数据包数量都有明显提高。

无线传感器网络中基于Voronoi图的覆盖和连通综合配置协议

着重研究无线传感器网络随机部署下的覆盖和连通问题的解决方案,尤其是当无线传感器节点的通信半径Rc与感应半径Rs之比小于2时的解决方案.本文提出了无线传感器网络中一个基于Voronoi图的覆盖和连通的综合配置协议(VIP).该协议采用了一种分布式节点冗余判断算法以判断无线传感器网络中节点的冗余性,并让节点据此来对自身进行相应的职能调度.该协议能够在Rc/Rs为任意值时保证网络的覆盖和连通性能.本文还将该协议进行了推广,使得该协议能够满足覆盖度和连通度动态变化的要求,保证网络的k-度覆盖和k-度连通.

Coordinate-free k-coverage hole detection algorithm in wireless sensor networks

For wireless sensor networks, a simple and accurate coordinate-free k-coverage hole detection scheme is proposed. First, an algorithm is presented to detect boundary cycles of 1-coverage holes. The algorithm consists of two components, named boundary edge detection and boundary cycle detection. Then, the 1-coverage hole detection algorithm is extended to k-coverage hole scenarios. A coverage degree reduction scheme is proposed to find an independent covering set of nodes in the covered region of the target field and to reduce the coverage degree by one through sleeping those nodes. Repeat the 1-coverage hole detection algorithm and the higher order of coverage holes can be found. By iterating the above steps for k-1 times, the boundary edges and boundary cycles of all k-coverage holes can be discovered. Finally, the proposed algorithm is compared with a location-based coverage hole detection algorithm. Simulation results indicate that the proposed algorithm can accurately detect over 99% coverage holes.